数学建模电影票房预测
数学建模
票房预测如果要你根据以往国产电影的票房表现，来预测一部尚未放映的国产电影的票房。（1）作为建模准备，你应当收集哪些数据？
（2）请自行收集相关数据，并据以建立票房预测模型。
（3）检验你的模型的预测准确率
（1）官微影响力，大众评分，评分人数，上映时间，主演影响力
（2）评分和评分人数从豆瓣上收集，上映时间分为平常时间和放假，平常时间上映的设为0，放假时间上映的设为1；主演影响力来自艺恩数据。
将数据导入到SPSS中运用线性回归分析得出
由R方可知该回归曲线与观测值拟合不好，所以将评分和人数换成了新浪微博的大众评分和人数
由此数据线性回归分析得
模型汇总
所以设官微影响力为x1，大众评分为x2，评分人数为x3，主演影响力为x4，上映时间为x5，可得
Y=-0.02*x1+1.006*x2+0.074*x3+2.708*x4-0.109*x5-50.049；
（3）预测：
绣春刀：
官微影响力：55
大众评分：8.4
人数：52
主演影响力：7.48+7.39=14.87
上映时间：0.00
票房：0.94
预测票房：1.41
由于影响电影票房的因素众多，且搜集数据难度大，
数学建模神经网络预测模型及程序
年份 (年) 1(1988) 2(1989) 3(1990) 4(1991) 5(1992) 6(1993) 7(1994) 8(1995) 实际值 (ERI) 年份 (年) 9(1996) 10(1997) 11(1998) 12(1999) 13(2000) 14(2001) 15(2002) 16(2003) 实际值 (ERI) BP 神经网络的训练过程为: 先用1988 年到2002 年的指标历史数据作为网络的输入,用1989 年到2003 年的指标历史数据作为网络的输出,组成训练集对网络进行训练,使之误差达到满意的程度,用这样训练好的网络进行预测. 采用滚动预测方法进行预测:滚动预测方法是通过一组历史数据预测未来某一时刻的值,然后把这一预测数据再视为历史数据继续预测下去,依次循环进行,逐步预测未来一段时期的值. 用1989 年到2003 年数据作为网络的输入,2004 年的预测值作为网络的输出. 接着用1990 年到2004 年的数据作为网络的输入,2005 年的预测值作为网络的输出.依次类推,这样就得到2010 年的预测值。 目前在BP 网络的应用中,多采用三层结构. 根据人工神经网络定理可知,只要用三层的BP 网络就可实现任意函数的逼近. 所以训练结果采用三层BP模型进行模拟预测. 模型训练误差为,隐层单元数选取8个,学习速率为,动态参数,Sigmoid参数,最大迭代次数3000.运行3000次后,样本拟合误差等于。 P=[。。。];输入T=[。。。];输出 % 创建一个新的前向神经网络 net_1=newff(minmax(P),[10,1],{'tansig','purelin'},'traingdm') % 当前输入层权值和阈值 inputWeights={1,1} inputbias={1} % 当前网络层权值和阈值 layerWeights={2,1} layerbias={2} % 设置训练参数 = 50; = ; = ; = 10000; = 1e-3;
数学建模 人口模型 人口预测
关于计划生育政策调整对人口数量、结构及其影响的研究 【摘要】 本文着重于讨论两个问题:1、从目前中国人口现状出发，对于中国未来人口数量进行预测。2、针对深圳市讨论单独二胎政策对未来人口数量、结构及其对教育、劳动力供给与就业、养老等方面的影响。 对于问题1从中国的实际情况和人口增长的特点出发，针对中国未来人口的老龄化、出生人口性别比以及乡村人口城镇化等，提出了 Logistic 、灰色预测、等方法进行建模预测。 首先，本文建立了 Logistic 阻滞增长模型，在最简单的假设下，依照中国人口的历 史数据，运用线形最小二乘法对其进行拟合， 对 2014 至 2040 年的人口数目进行了预测， 得出在 2040 年时，中国人口有 14.32 亿。在此模型中，由于并没有考虑人口的年龄、 出生人数男女比例等因素，只是粗略的进行了预测，所以只对中短期人口做了预测，理 论上很好，实用性不强，有一定的局限性。 然后， 为了减少人口的出生和死亡这些随机事件对预测的影响， 本文建立了 GM(1,1) 灰色预测模型，对 2014 至 2040 年的人口数目进行了预测，同时还用 2002 至 2013 年的 人口数据对模型进行了误差检验，结果表明，此模型的精度较高，适合中长期的预测， 得出 2040 年时，中国人口有 14.22 亿。与阻滞增长模型相同，本模型也没有考虑年龄 一类的因素，只是做出了人口总数的预测，没有进一步深入。 对于问题2针对深圳市人口结构中非户籍人口比重大，流动人口多这一特点，我们采用了灰色GM(1,1)模型，通过matlab 对深圳市自2001至2010年的数据进行拟合，发现其人口变化近似呈线性增长，线性相关系数高达0.99，我们就此认定其为线性相关并给出线性方程。同理，针对其非户籍人口，我们进行matlab 拟合发现，其为非线性相关，并得出相关函数。并做出了拟合函数 0.0419775(1)17255.816531.2t X t e ?+=?-。 对于新政策的实施，我们做出了两个假设。在假设只有出生率改变的情况，人口呈现一次函数线性增加。并拟合出一次函数0.032735617965.017372.5t Y e ?=?-；在假设人口增长率增长20%时，做出了预测如果单独二胎政策实施，到2021年，深圳市常住人口数将会到达1137.98千万人。 关键词:GM(1,1)灰色模型 Logistic 阻滞增长模型 线性拟合 非线性拟合
对中国大学生数学建模竞赛历年成绩的分析与预测
2012年北京师范大学珠海分校数学建模竞赛 题目：对中国大学生数学建模竞赛历年成绩的分析与预测 摘要 本文研究的是对自数学建模竞赛开展以来各高校建模水平的评价比较和预测问题。我们将针对题目要求，建立适当的评价模型和预测模型，主要解决对中国大学生数学建模竞赛历年成绩的评价、排序和预测问题。 首先我们用层次分析法来评价广东赛区各校2008年至2011年及全国各大高校1994至2011年数学建模成绩，从而给出广东赛区各校及全国各大高校建模成绩的科学、合理的评价及排序；其次运用灰色预测模型解决广东赛区各院校2012年建模成绩的预测。 针对问题一，首先我们对比了2008到2011年参加建模比赛的学校，通过分析我们选择了四年都参加了比赛的学校进行合理的排序（具体分析过程见表13），同时对本科甲组和专科乙组我们分别进行排序比较。在具体解决问题的过程中，我们先分析得出影响评价结果的主要因素：获奖情况和获奖比例，其中获奖情况主要考虑国家一等奖、国家二等奖、省一等奖、省二等奖、省三等奖，我们采用层次分析法，并依据判断尺度构造出各个层次的判断矩阵，对它们逐个做出一致性检验，在一致性符合要求的情况下，通过公式与matlab求得各大学的权重，总结得分并进行排序（结果见表11）；在对广东赛区各高校2012建模成绩预测问题中，我们采用灰色预测模型，我们以华南农业大学为例，得到该校2012年建模比赛获奖情况为：省一等奖、省二等奖、省三等奖及成功参赛奖分别为5、9、8、8(其它各高校预测结果见表10）。 针对问题二，我们对全国各院校的自建模竞赛活动开展以来建模成绩排序采用与问题一相同的数学模型，在获奖情况考虑的是全国一等奖、全国二等奖。运用matlab求解，结果见表12。 针对问题三，我们通过对一、二问排序的解答及数据的分析，得出在对院校进评价和预测时还应考虑到各院的师资力量、学校受重视程度、学生情况、参赛经验等因素，考虑到这些因素，为以后评价高校建模水平提供更可靠的依据。 关键词：层次分析法权向量灰色预测模型模型检验 matlab
数学建模分数预测论文完整版
高考录取分数预测模型 姓名: 班级： 姓名: 班级： 姓名: 班级：
关于高考录取分数预测模型的探究 摘要 本文通过差分指数平滑法和自适应过滤法分别建立模型，根据历年学校录取线预测下一年的录取分数线。最后，根据预测出来的最佳数据，给2014年报考本校的考生做出合理的建议。 对于问题一和问题二，首先根据题意和所给出的学校历年的录取分数线，不难分析出高校的录取分数线是由当年的题目难度、考生报考数量、“大年”和“小年”等因素决定的。每年的分数线还是有一定差距的，例如，本校2012在北京市电气专业的录取线是428分，而2013年是488分，相差60分。因此，预测的时候，需要通过一些方法使数据趋于平滑，使之便于预测。通过这些分析，建立了两种可靠的预测模型。 模型一通过差分的方法，利用Matlab软件将后一年Y t与前一年Y t-1的数据相减得到一个差分值，构成一个新序列。将新序列的值与实际值依次迭加，作为下一期的预测值。以此类推，预测出2014年的录取分数线。模型二是根据一组给定的权数w对历年的数据进行加权平均计算一个预测值y，然后根据预测误差调整权数以减少误差，这样反复进行直至找到一组最佳权数，使误差减小到最低限度，再利用最佳权数进行加权平均预测。这两种方法很好的解决了历年录取分数相差较大难以预测的问题。预测值相对准确。预测结果数据量较大，在此以河北省为例，给出预测结果模型一：2014年本校电气专业录取线为495，模型二：2014年本校电气专业录取线为536。 最后，通过预测出的数据，比对模型一和模型二，取最佳预测值，给报考科技学院的考生做出较为合理的建议。 关键词：序列权数差分值加权平均高考录取线
数学建模经典案例：最优截断切割问题
建模案例：最优截断切割问题 一、 问 题 从一个长方体中加工出一个已知尺寸、位置预定的长方体（这两个长方体的对应表面是平行的），通常要经过 6 次截断切割.设水平切割单位面积的费用是垂直切割单位面积费用的r 倍.且当先后两次垂直切割的平面（不管它们之间是否穿插水平切割）不平行时，因调整刀具需额外费用 e.试设计一种安排各面加工次序（称“切割方式”）的方法，使加工费用最少. 二、 假 设 １、假设水平切割单位面积的费用为r ，垂直切割单位面积费用为1； ２、当先后两次垂直切割的平面（不管它们之间是否穿插水平切割）不平行时，调整刀具需额外费用e ； ３、第一次切割前，刀具已经调整完毕，即第一次垂直切割不加入刀具调整费用； 4 、每个待加工长方体都必须经过6次截断切割. 三、 模型的建立与求解 设待加工长方体的左右面、前后面、上下面间的距离分别为 a0、b0 、c0 ，六个切割面分别位于左、右、前、后、上、下，将它们相应编号为M1、M2、M3、M4、M5、M6，这六个面与待加工长方体相应外侧面的边距分别为 u1、u2、u3、u4、u5、u6.这样，一种切割方式就是六个切割面的一个排列，共有P 66720= 种切割方式.当考虑到切割费用时，显然有局部优化准则：两个平行待切割面中，边距较大的待切割面总是先加工. 由此准则,只需考虑 P 6622290!!! ??=种切割方式.即在求最少加工费用时， 只需在90个满足准则的切割序列中考虑.不失一般性，设u1≥u2，u3≥u4，u5≥u6，故只考虑M1在M2前、M3在M4前、M5在M6前的切割方式. 1、 e=0 的情况
数学建模之灰色预测模型
、灰色预测模型 简介(P372) 特点：模型使用的不是原始数据列，而是生成的数据列。 优点：不需要很多数据，一般只用4个数据就能解决历史数据少，序列的完整性 和可靠性低的问题。 缺点：只适用于中短期的预测和指数增长的预测。 1、GM(1,1)预测模型 GM(1,1)表示模型为一阶微分方程，且只含有一个变量的灰色模型。 1.1模型的应用 ① 销售额预测 ② 交通事故次数的预测 ③ 某地区火灾发生次数的预测 ④ 灾变与异常值预测，如对旱灾，洪灾，地震等自然灾害的时间与程度进行预报 (百度文库) ⑤ 基于GM(1,1)模型的广州市人口预测与分析(下载的文档) ⑥ 网络舆情危机预警(下载的文档) 1.2步骤 ① 级比检验与判断 由原始数据列x (0) =(x (o ) (1),x (o ) (2),…，x (0)(n))计算得序列的级比为 2 2 若序列的级比(k) -(e^ '.e 0 2)，贝U 可用x (0)作令人满意的GM(1,1)建模。 光滑比为 P (k )= k x <0) ( k) \- (0) x (I) i 珀 若序列满足 p(k 1) ：：1,k =2,3,…，n-1; p(k) p(k)〔0,T,k=3,4, ,n; 「:: 0.5. ■ (k)二 x (0)(k -1) x (0) (k) ,k - 2,3, , n.
则序列为准光滑序列。 否则，选取常数c 对序列x (0)做如下平移变换 y (o )(k)=x (o ) (k) c,k=1,2「, n, 序列y (0)的级比 、 y 0(k-1) 一 'y (k) (0) ，k = 2,3， , n ? y(k) ② 对原始数据x (0)作一次累加得 x ⑴=(x ⑴(1),X (1)(2),…,x (1)(n)) =(x (0)(1，x (0)(1 +x (0) (2)，…,x (0)⑴+…+x (0)(n)). 建立模型： dx ( 1 ) ——ax ⑴=b,( 1) dt ③ 构造数据矩阵B 及数据向量丫 ■ -z (1) ⑵ 1 1 f x (0) (2)1 B = -z ⑴⑶1 9 亍 ，丫二 x (0)(3) a -z ⑴(n) 1_ x (0) (n)J 其中：z ⑴(k) =0.5x ⑴(k) 0.5x ⑴(k -1),k =2,3, ,n. ④ 由 求得估计值召=b?= ⑤ 由微分方程(1)得生成序列预测值为 ( b?) b? x>(1)(k+1)= ：x (0)(1)—三 ，k=0,1，…，n —V, l 召丿 召 则模型还原值为 00)(k 1)=0)化 1)-0),k =1,2, ,n-1,. ⑥ 精度检验和预测 残差 ；(k) =x (0)(k)-?(0)(k),k=1,2, ,n, -(B T B)4B T Y u?=
人口结构与经济发展预测=数学建模好论文
2011高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： B 我们的参赛报名号为（如果赛区设置报名号的话）： j4228 所属学校（请填写完整的全名）：**工程大学 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： 日期： 2012 年 9 月 10日
赛区评阅编号（由赛区组委会评阅前进行编号）：
2011高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 全国统一编号（由赛区组委会送交全国前编号）： 全国评阅编号（由全国组委会评阅前进行编号）： 人口结构和经济发展预测模型 摘要 众所周知，人口结构和影响经济发展的因素是国家发展和制定政策的基础和依据。如果不能进行合理的预测，就会给政策制定带来困难甚至做出错误决策。因此，有必要对人口结构和影响经济发展的因素建立定量的数学模型。 问题一：首先建立了科布道格拉斯生产函数模型，计算出技术进步、固定资产投资、
关于中国人口预测模型的讨论模型-大学生数学建模竞赛优秀论文范文模板参考资料
承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）：福州大学 参赛队员(打印并签名) ：1. 李译(135********) 2. 李志坤(135********) 3. 殷婷 指导教师或指导教师组负责人(打印并签名)： 日期： 2007 年 9 月 24 日赛区评阅编号（由赛区组委会评阅前进行编号）：
编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：
中国人口增长预测 摘要： 针对题目所提要求，我们建立了两个中国人口预测模型，分别用于对中国人口的发展趋势做短期和中长期的预测。 为了对中国人口发展做短期的预测，考虑到题目所给的数据资料的不全面，我们由马尔萨斯的人口指数增长模型得到启发，针对中国人口发展的特点，把出生率和死亡率函数这两大对人口增长起主要作用的因素作为建模的关键参数，在附件中没有给出中国近年总人口数的情况下，建立了短期内预测中国人口增长的微分方程模型。在该模型中，为了得到出生率和死亡率函数这两个重要参数，我们通过分析题目所给数据，提取出有效信息，计算归纳出2001年到2005年的出生率和死亡率，并在此基础上引入灰色模型，用于对出生率和死亡率进行预测，得出了出生率和死亡率关于时间的函数。较准确的估计出了人口增长的关键参数，使得建立的人口增长短期预测模型不仅符合中国人口的发展特点，而且简单易用，能在未知总人口数的情况下预测人口的相对发展变化，这一优点使得可以方便且准确的用于预测中国人口短期内的发展趋势。 为了对中国人口发展做中长期的预测，考虑到短期模型在预测人口中长期发展中的局限性以及影响人口发展的众多因素的不确定性和它们之间关系的复杂性，我们利用灰色动态模型的特点，从《中国统计年鉴》中查到了中国近年的人口总数（见附表一），把人口数做为灰色量，对原始各年人口序列进行分段建模，对各分段模型进行定性分析比较，根据各阶段宏观指标的相关确定一组适当的权数，进行预测模型的最优组合，以确定最优预测模型，从而建立了中长期预测中国人口增长的灰色动态系统人口模型，对中国人口进行了中长期的预测。 在对中国总人口进行短期和中长期的总体预测后，我们从附件中提取出城、镇、乡三地人口、男女出生性别比、妇女生育率、老龄人口比率等相关数据，对中国未来城、镇、乡三地人口比例、男女出生性别比、妇女生育率、老龄人口比率等影响人口发展的主要因素做趋势预测，从而达到了对中国人口全方位的预测。 关键词：出生率、死亡率、指数增长模型、灰色动态模型、性别比、老龄化、生育率。
数学建模——商品需求量的预测
实验十三 商品需求量的预测 【实验目的】 1．了解回归分析的基本原理和方法。 2．学习用回归分析的方法解决问题，初步掌握对变量进行预测和控制。 3．学习掌握用MATLAB 命令求解回归分析问题。 【实验内容】 现有某种商品的需求量、消费者的平均收入、商品价格的统计数据如表1所示，试用所提供的数据预测消费者平均收入为1000、商品价格为6时的商品需求量。 【实验准备】 现实生活中，一切事物都是相互关联、相互制约的。我们将变化的事物看作变量，那么变量之间的相互关系，可以分为两大类：一类是确定性关系，也叫作函数关系，其特征是一个变量随着其它变量的确定而确定，如矩形的面积由长宽确定；另一类关系叫相关关系，其特征是变量之间很难用一种精确的方法表示出来，如商品销量与售价之间有一定的关联，但由售价我们不能精确地计算出销量。不过，确定性关系与相关关系之间没有一道不可逾越的鸿沟，由于存在实际误差等原因，确定性关系在实际问题中往往通过相关关系来体现；另一方面，当对事物内部规律了解得更加深刻时，相关关系也可能转化为确定性关系。 1．回归分析的基本概念 回归分析就是处理变量之间的相关关系的一种数学方法，它是最常用的数理统计方法，能解决预测、控制、生产工艺化等问题。由相关关系函数确定形式的不同，回归分析一般分为线性回归、非线性回归和逐步回归，在这里我们着重介绍线性回归，它是比较简单的一类回归分析，在实际问题的处理中也是应用得较多的一类。 回归分析中最简单的形式是 y ＝0β＋1βx ＋ε （x 、y 为标量） （1） 固定的未知参数0β，1β称为回归系数，自变量x 称为回归变量，ε是均值为零的随机变量，它是其他随机因素对 y 的影响，是不可观察的，我们称（1）为一元线性回归。它的一个自然推 广是x 是多元变量，形如 y ＝0β＋1β1x ＋…＋m βm x ＋ε （2） m ≥2，我们称为多元线性回归，或者更有一般地
数学模型经典例题
一、把椅子往地面一放，通常只有三只脚着地，放不稳，然而只需稍挪动几次，就可以使四只脚同时着地放稳了，就四脚连线成长方形的情形建模并加以说明。（15分） 解：一、模型假设： 1. 椅子四只脚一样长，椅脚与地面的接触可以看作一个点，四脚连线呈长方形。 2. 地面高度是连续变化的，沿任何方向都不会出现间断，地面可以看成一张光滑曲面。 3. 地面是相对平坦的，使椅子在任何位置至少有三只脚同时着地。 （3分） 二、建立模型： 以初始位置的中位线为坐标轴建立直角坐标系，用θ表示椅子绕中心O 旋转的角度，椅子的位置可以用θ确定： ()f θ记为A 、B 两点与地面的距离之和 ()g θ记为C 、D 两点与地面的距离之和 由假设3可得，()f θ、()g θ中至少有一个为0。 由假设2知()f θ、()g θ是θ的连续函数。 （3分） 问题归结为： 已知()f θ和()g θ是θ的连续函数，对任意θ， ()()0f g θθ=，且设()()00,00g f =>。证明存在0θ， 使得()()000f g θθ== （3分） 三、模型求解： 令()()()h f θθθ=－g 若()()000f g =，结论成立 若()()000f g 、不同时为，不妨设()()00,00g f =>，椅子旋转()180π或后，AB 与CD 互换，即()()0,0g f ππ>=，则()(0)0,0h h π><。 （3分） 由f g 和的连续性知h 也是连续函数。根据连续函数的基本性质，必存在 ()000θθπ<<使000()0,()()h f g θθθ==即。 最后，因为00()()0f g θθ=，所以00()()0f g θθ==。 （3分） 图 5
2007年全国数学建模大赛A题中国人口增长预测与控制题目和论文赏析(1)(1)
中国人口增长预测与控制 摘要 近年来，中国人口最突出的特点是：老龄化加速、出生人口性别比持续增高和乡村人口城镇化。针对这些特点，建立各个影响因素的数学模型，最后建立中国人口的增长模型。 对于问题一，首先将人口增长的预测问题转化为对出生率、死亡率和城镇乡转移率的预测。通过原题附录3数据的分析研究，发现影响人口增长的主要因素可以归结为出生率、死亡率和城镇乡转移率，并依此建立了不同参数随时间变化的递推数学模型，讨论了各个参数对人口增长的影响。其次，分别拟合死亡率和生育率、城镇乡转移率对年龄的分布。建立了差分数学模型，将死亡率、生育率与城镇乡转移率的预测归结到总和死亡率、总和生育率与城镇乡总和转移率的预测，由于概率分布是相对稳定的，模型参数整体健壮。对中短期的预测而言，总和死亡率、生育率和转移率的变化是近似线性的；对长期的预测，采用SI和SIS模型来描述其非线性变化，其模型的控制参数变化体现了国家人口政策的控制力度，结果表明模型具有长期可控性。 对于问题二，采用所建模型对0—90岁人口做出中短期和长期预测。2006-2030年总人口逐年增加，2006年为13.062亿，2007年为13.109亿，2008年为13.158亿，2010年为13.3亿，2023年达到高峰期13.829亿，以后开始下降趋于平缓，到2030年为13.805；乡城转移率逐年增加，短期线性变化，2006年为0.454，2007年为0.471，2008年为0.490，2010年为0.526，长期由非线性模型描述，到2030年，城乡比例为0.901；整体老龄化程度增大，2006年为0.129，2007年为0.134，2008年为0.139，2010年为0.150，到2030年为0.325，在农村老龄化尤其严重，可以确定为地区间的迁移。同时在做长期预测时，不同的国家策略导致不同的人口状况(见图[26-30])，得到的结论可以作为国家制定人口方针的建议。 对于问题三，指出模型的优缺点。通过求解经典的Logistic模型和Leslie模型，并将所得结果与本文模型结果比较，发现本文模型具有易操作性、可控性、健壮性等优点；主要缺点是在短期预测时准确度稍差。 关键词：人口控制差分模型预测拟和Leslie模型Logistic方程 一、问题重述 中国是一个人口大国，人口问题始终是制约我国发展的关键因素之一。根据已有数据，运用数学建模的方法，对中国人口做出分析和预测是一个重要问题。近年来中国的人口发展出现了一些新的特点，例如，老龄化进程加速、出生人口性别比持续升高，以及乡村人口城镇化等因素，这些都影响着中国人口的增长。2007 年初发布的《国家人口发展战略研究报告》(附录1) 还做出了进一步的分析。关于中国人口问题已有多方面的研究，并积累了大量数据资料。附录2就是从《中国人口统计年鉴》上收集到的部分数据。试从中国的实际情况和人口
数学建模-新产品销量预测问题
销量预测问题 一、 摘要 本文通过建立微分方程模型，探讨了新产品进入市场后销售量变化的情况。模型由简单到复杂、由理想到现实，逐步利用广告对市场的限制探讨了产品销售量变化的情况，分析了广告费用对销售量产生的影响，建立比较符合现实的模型。 问题一中，新产品的投入，没有市场竞争，有良好的市场环境，也有良好的口碑，故属于较为简单的微分方程模型，可直接建立模型。 问题二中，产品销售存在一定的市场容量N , 统计表明dt dx 与该产品的潜在容量)(t x N -成正比，故建立阻滞增长模型求解。 问题三中，则考虑了广告费用对产品销量的影响，分析了广告费用与销售速率之间的关系，建立数学微分方程模型，并运用了Matlab 软件编程求解。 二、 问题提出 一种新产品问世，经营者自然要关心产品的卖出情况。如何采取有效措施，使得产品销量大，获取更大的利润，这是每个经营者最为关注的问题。 1、设t 时刻产品销量的增长率dx dt 与)(t x 成正比, 预测t 时的产品销量()t x ； 2、设考虑到产品销售存在一定的市场容量N, 统计表明dt dx 与该产品的潜在容量)(t x N -成正比, 预测t 时的产品销量()t x ； 3、试考虑影响产品销量的广告因素，并建立模型，预测t 时的产品销量()t x . 三、 模型假设与符号系统 模型假设： 模型基本假设：； 假设1：在考虑影响商品销售的因素时，不考虑偶然因素，如经济、战争因素、政治干预等； 假设2：产品的销售量符合产品的生命周期； 假设3：产品为日常用品，不是耐用品，每个人都需要。
符号系统： x(t) 为t 时刻新产品的销售量 a 为每件新产品的宣传效率 N 为市场的销售容量 b 为产品销售量的增长率与潜在容量的比例系数 s(t) 为商品t 时刻的销售量(即新产品在此时刻一段时间的销售量,如七月份,八月份的销售量,而不是总销售量) M(t) 为t 时刻的广告费用 θ 为销售量本身的衰减系数 ? 为广告宣传对销售速率的影响 T 为商品销售速率最大的时刻 四、 模型的建立与求解 问题一模型的建立与求解： 模型的建立： t 时刻时，新产品的销售量为x （t ），把x （t ）当做连续、可微函数处理。 每件新产品都是宣传品，且单位时间内每件新产品能够使a 件新产品被销售。 由假设可知： x(t+?t)-x(t)=ax(t) 即： dx ax dt = 开始时有0x 件新产品被销售 x(0)= 0x 整理得： (0)0dx ax dt x x ?=???=? 求解得： ()0at x t x e =
数学建模人口预测
摘 要 中国是一个人口大国，人口问题与我国的经济发展等方面息息相关。随着我国人口数量的不断变化，人口的老龄化问题也日益突显,政策的调整不可或缺。从当初实行计划生育政策到逐步放开生育政策再到全面实行二孩政策，我国人口发展呈现了一些新特点。本文旨在通过多种预测方法对“全面二孩政策”下的人口数量及其结构进行预测，筛选出了经济发展的指标，并分人口结构对经济发展的影响，结论如下： 针对问题一，本文参考中国国家统计局等官方资料的数据统计出各年人口总数、自然增长率等数据，建立了logistic 模型，得出人口总数的变化公式，然后建立GM(1,1)预测模型，预测2016年的人口总数，再利用SPSS 进行回归、曲线估计，得出最为符合的方程式，再利用MATLAB 函数拟合工具箱对所得数据进行拟合。预测出2017-2030年间人口先增后减，在2021年达到峰值。 针对问题二，通过建立BP 神经网络模型，利用GM(1,1)灰色预测处理人口结构数据得到训练及测试数据集，将数据BP 神经网络算法进行多次训练，最终得到具有相当精度的稳定预测结果。提取相当数量的经济指标并对其进行主成分分析降维处理，之后对主要经济指标及人口结构指标进行多元回归分析得到2020-2030年人口结构对经济发展的影响。 针对问题三， 关键词：灰色预测 BP 神经网络 Leslie 人口结构预测模型 问题假设 1.将我国看做一个封闭系统，没有人口的迁入和迁出 2.人口增长只与人口基数、生育率、死亡率等有关 3.没有大规模战争及瘟疫等传染性疾病 4.假设短期内没有外来物种对人类生存造成影响 5.假设所有数据均为准确数据 6.假设2050年前医疗水平和科学技术不会对人类的死亡率、出生率造成影响 模型符号说明： r : 人口自然增长率 x ：总人口数 0x ：初始年份的人口数量 t ：时间 )()0(k x ：灰色预测的原始序列 )(?)0(k x ：灰色预测的原始数列预测值 ij x ：第i 个指标的第j 个数据 i d ：第i 岁的死亡率
中国人口增长预测数学建模论文 精品
高教社杯全国大学生数学建模竞赛 承诺书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 参赛队员(打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人(打印并签名)： 日期：年月日赛区评阅编号（由赛区组委会评阅前进行编号）：
高教社杯全国大学生数学建模竞赛 编号专用页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 评 阅 人 评 分 备 注 全国统一编号（由赛区组委会送交全国前编号）： 全国评阅编号（由全国组委会评阅前进行编号）：
中国人口增长预测 摘要: 中国作为世界上人口最多的发展中国家，人口问题直接影响着我们国家的 发展。本文运用数学建模的方法，建立了中国人口增长的数学模型，并对未来中国的人口状况做出了预测。 中短期人口模型：我们以莱斯利（Leslie ）模型作为理论基础，建立了一个全国人口模型。由于中国城镇化进程不断加快，所以把全国划分为城，镇，乡三个独立子系统建模方法是不可行的。通过对数据进行处理，在得到了全国人口的死亡率和生育率之后，再使用指数平滑的方法，就可以得到一个相对稳定的各个年龄段的死亡率和生育率。如果把中国看作一个独立的人口系统，就可以使用莱斯利模型顺利的建立起全国女性人口模型。建立了全国女性人口模型后，我们引入了两个重要的变量：男女比例矩阵)t (p 和初生男女婴儿比例函数)(t f 。通过这两个变量就可以由全国女性人口模型建立起全国人口的中短期模型。 通过中短期模型，可以分析出我国人口在未来几十年的变化趋势，得出以下结果。在2025年-2030年期间我国人口将达到峰值，然后人口数量就开始下降（参见图1）。而我国的老龄化进程会不断地加剧，在2040年左右将达到人口老龄化的最高峰，并在以后的十几年的时间里保持这种状态，形成一个人口老龄化的高峰平台（参见图2）。有意思的是，性别比例异常也对人口走势产生了影响。性别比例异常不会对人口增长产生特别明显的效果，但在人口衰退期，却对人口数目的减少起到了微妙的作用（参见图4）。 长期人口模型：在长期模型中，我们尝试着模拟未来中国100年的时间里人口总量的变化情况。 我们对莱斯利模型进行了改进，使这个模型能够适用于三个人口子系统（城，镇，乡）之间人口相互转移的情况，从而使长期人口模型在大的时间跨度能够更好的符合实际情况。 我们在模型中引入了迁移率（迁入人口与总人口的比）的概念，使这三个系统之间的迁入迁出关系得到量化。这样通过迁移率将三个相对独立的人口子系统联系起来，就能利用改进的莱斯利模型进行求解。 通过对长期人口模型的分析，我们可以得到未来100年的时间里中国人口总量的变化趋势 (见图5)。在经历了21世纪中叶的人口高峰后，我国人口可能会经历一个长达半个世纪的衰退期. 关键字：莱斯利（Leslie ）模型， 城镇化，指数平滑，老龄化，迁移率
差微分方程 数学建模经典案例
差分方程作业题 黄冈职业技术学院 宋进健 胡敏 熊梦颖 1．一对年轻夫妇准备购买一套住房，但缺少资金近6万元。假设它们每月可有节余900元，且有如下的两种选择： (1)使用银行贷款60000元。月利率0.01，贷款期25年=300个月； (2) 到某借贷公司借贷60000元，月利率0.01，22年还清。只要（i ）每半个月还316元，(ii) 预付三个月的款。 你能帮他们做出明智的选择吗？ 模型假设： （1）银行及借贷公司在贷款期限内利率不变; （2）不考虑物价变化和经济等因素从而影响利率； （3）银行利息按复利计算且单位时间可任意缩短至时间变量连续性变化 建立模型： 对第一种情况有: 设n 年期贷款月利率为r ，共贷款 元，贷款后第k 个月时欠款余额为 元，月还款m 元。 模型求解： 由MATLAB 得出结果m=631.9345 建立模型： 对第二种情况有: 设n 年期贷款半月利率为r ，共贷款A 0元，贷款后第k 个月时欠款余额为A k 元，半月还款m 元。 模型求解： ()() 011 1,k k k r A A r m k N r +-=+-∈1 0)1()1(300 300 300 -= ?=++r r A A r m N k m r A A k K ∈-+=+,) 1(1 N k m r A A k K ∈-+=+,) 1(1 ()() 011 1,k k k r A A r m k N r +-=+-∈1 0)1()1(528 528 528 -= ?=++r r A A r m A k A 0
由MATLAB 得出结果m= 313.0038 模型分析：由第一种方式计算m=631.9345小于月节余额900元，能够承受月还款；由第二种方式计算m= 313.0038小于借贷公司要求没半个月还款316元，如果按照借贷公司要求则每月还款为632元大于第一种还款方式631.9345元，故选择第一种还款方式。 2. 在一城市的某商业区内，有两家有名的快餐店“肯德基”分店和“麦当劳”分 店。据统计每年“肯德基”保有其上一年老顾客的1/3，而另外的2/3顾客转移到“麦当劳”；每年“麦当劳”保有其上一年的老顾客的1/2，而另外的1/2顾客转移到“肯德基”。 用二维向量X k =[x k y k ]T 表示两个快餐店市场分配的情况，初始的市场分配为X 0 = [200 200]T 如果有矩阵L 存在，使得 X k +1 = LX k ，则称 L 为状态转移矩阵。 （1） 写出X k =[x k y k ]T 和X k+1=[x k +1 y k +1]T 的递推关系式，以及状态转移矩阵L 。 （2） 根据递推关系计算近几年的市场分配情况； 模型假设： （1） 当前的肯德基和麦当劳的市场份额继续不变。 （2） 肯德基和麦当劳不推出优惠活动和新的经营计划。 模型建立： 初始的市场分配数量为：200,2000 0==y x 以一年为一时间段，则某时刻两个快餐店的顾客数量可用向量] ,[1 1y x T X =表 示。用向量] ,[y x X k k T k =表示第K 年两个快餐店顾客数量分布。 ??? ????+ = + = ++x y y y x x k k k k k k 3 22 121311 1 模型求解： 故X k =[x k y k ]T 和X k+1=[x k +1 y k +1]T 的递推关系式为??? ? ?? ? + =+ =++x y y y x x k k k k k k 3 221 21311 1，状 态转移矩阵?????? ? ???? ???=3221213 1 L 由初始数据计算近几年的市场分配情况，MATLAB 程序如下：
人口预测数学建模论文
中国人口政策问题模型 【摘要】：中国是世界上的人口大国，近三十年来，我国的人口政策在控 制人口数量方面取得了非凡的成绩，使得人口发展逐步走向有计划、可控制的平稳增长时期。但随着经济的发展和人口老龄化等现象的出现，如何调整人口政策使之与社会发展相适应，是我们亟待研究思考的问题。 本文根据我国近三十年的人口数据对其人口现状，人口老龄化程度等方面进行分析，并给出我国调整人口生育政策的时机、具体方案以及根据模型给出我国人口增长状况的预测结果。 【关键词】：人口现状、老龄化、预测结果、人口政策 一、问题的重述 近三十年来，我国的人口政策在控制人口数量方面取得了非凡的成绩，但随着经济的发展和人口老龄化等现象的出现，使得我国调整人口生育政策成为可能。 （1）利用有关数据，给出我国人口现状的统计结果； （2）试建立模型，给出我国调整人口生育政策的时机、具体方案并预测结果。 （相关数据在下文的附录中给出） 二、模型的假设 （1）在模型中预期的时间内，人口不会因发生大的自然灾害、突发事故或战争等而受到大的影响； （2）在我国视为没有人口的迁入和迁出； （3）人口增长只与人口基数、生育、死亡和老龄化有关； （4）一段时期内我国人口的死亡率不发生大的波动，不同年龄段人口的分布也不随时间发生变化； 三、问题的分析 问题一：根据附表1中给出的相关数据关数据，将近30年人口数量用MATLAB 软件画出图形，给出我国人口现状的统计结果。 问题二：根据历年出生率和死亡率，利用MATLAB程序对数据进行拟合，分别得到出生率和死亡率的计算公式。但结合出生率和死亡率的数据画出具体图形分析发现，数据分段呈现出一定的规律性，于是对数据进行分段拟合，并最终确定出人口的自然增长率，得到人口数的计算公式。此公式能够较好反应中国近期及预测未来近15年内的人口数量。根据公式得出相应图（图），发现人口数呈现的相关规律。 另外为了更好的分析人口的具体情况，我们根据附表2中的数据拟合并计算出人口老龄化的计算公式，根据直观图得出中国老龄化指数在未来15年内一直呈上升趋势，基于以上数据及分析,从而确定出我国调整人口生育政策的时机、具体方案以及给出相应的预测结果。
数学建模案例分析--灰色系统方法建模2灰色预测模型GM(1-1)及其应用
§2 灰色预测模型GM(1,1)及其应用 蠕变是材料在高温下的一个重要性能。处于高温状态下的材料长期受到载荷作用时，即使其载荷较低，并且在短时间的高温拉伸试验中材料不发生变形，但在此情况下仍会有微小的蠕变，极端的情况下，甚至会使材料发生破坏。高温材料多应用于各种车辆的发动机及冶金厂中各种设备上，如果因蠕变引起破坏，可能造成很大的事故。 为了保证设备的安全可靠，在某一使用温度下，预先知道该材料对不同载荷应力下断裂的时间是很重要的。过去，人们都是通过蠕变试验测量断裂时间。而做蠕变试验时，需要很长时间才能得到结果，即使通过试验得出的数据，也只是对某几个具体试样而言，存在很大的偶然性，不能代表普遍的规律。如果将实测的数据用灰色系统理论来处理，可以预测在某一温度下的任何载荷应力的断裂时间。 一、灰色预测模型GM （1,1） 建模步骤如下： （1）GM （1,1）代表一个白化形式的微分方程： u aX dt dX =+)1() 1( （1） 式中，u a ,是需要通过建模来求得的参数；) 1(X 是原始数据) 0(X 的累加生成（AGO ）值。 （2）将同一数据列的前k 项元素累加后生成新数据列的第k 项元素，这就是数据处理。表示为： ∑==k n n X k X 1 )0() 1()()( （2） 不直接采用原始数据) 0(X 建模，而是将原始的、无规律的数据进行加工处理，使之变得较有规 律，然后利用生成后的数据列来分析建模，这正是灰色系统理论的特点之一。 （3）对GM （1,1），其数据矩阵为 ???? ?? ? ? ?+--+-+-=1)]()1([5.01)]3()2([5.01)]2()1([5.0)1()1()1()1()1()1(N X N X X X X X B （3） 向量T N N X X X Y )](,),3(),2([)0()0()0( = （4）作最小二乘估计，求参数u a , N T T Y B B B u a 1)(?-=??? ? ??=α （4） （5）建立时间响应函数，求微分方程（1）的解为 a u e a u X t X at +-=+-))1(()1(?)0()1( （5）
多元线性回归 数学建模经典案例
多元线性回归 黄冈职业技术学院数学建模协会胡敏 作业： 在农作物害虫发生趋势的预报研究中,所涉及的5个自变量及因变量的10组观测数据如下,试建立y对x1-x5的回归模型，指出那些变量对y有显著的线性贡献，贡献大小顺序。 x1 x2 x3 x4 x5 y 9.200 2.732 1.471 0.332 1.138 1.155 9.100 3.732 1.820 0.112 0.828 1.146 8.600 4.882 1.872 0.383 2.131 1.841 10.233 3.968 1.587 0.181 1.349 1.356 5.600 3.732 1.841 0.297 1.815 0.863 5.367 4.236 1.873 0.063 1.352 0.903 6.133 3.146 1.987 0.280 1.647 0.114 8.200 4.646 1.615 0.379 4.565 0.898 8.800 4.378 1.543 0.744 2.073 1.930 7.600 3.864 1.599 0.342 2.423 1.104 编写程序如下： data ex; input x1-x5 y@@; cards; 9.200 2.732 1.471 0.332 1.138 1.155 9.100 3.732 1.820 0.112 0.828 1.146 8.600 4.882 1.872 0.383 2.131 1.841 10.233 3.968 1.587 0.181 1.349 1.356 5.600 3.732 1.841 0.297 1.815 0.863 5.367 4.236 1.873 0.063 1.352 0.903 6.133 3.146 1.987 0.280 1.647 0.114 8.200 4.646 1.615 0.379 4.565 0.898 8.800 4.378 1.543 0.744 2.073 1.930 7.600 3.864 1.599 0.342 2.423 1.104 ; proc reg; model y=x1 x2 x3 x4 x5/cli; run; 运行结果如下： （1）回归方程显著性检验. Analysis of Variance Sum of Mean Source DF Squares Square F Value Pr > F Model 5 2.25207 0.45041 11.63 0.0170 Error 4 0.15497 0.03874 Corrected Total 9 2.40704